Deteksi Ganjil Genap pada Plat Nomor Kendaraan Menggunakan Metode K-Nearest Neighbour (KNN)

Abstract

Kecerdasan buatan memiliki peran penting dalam perkembangan kemajuan teknologi. Kegiatan yang dikerjakan oleh manusia, bisa digantikan oleh mesin. Salah satu contohnya yaitu ETLE (Electronic Trafic Law Enforcement ) yang saat ini mempermudah kinerja Polisi Republik Indonesia dalam menertibkan pengendara di jalan. ETLE mampu menangkap atau mengetahui pelanggaran-pelanggaran lalu lintas seperti aturan ganjil genap di ruas jalan ter- tentu. Tema deteksi ganjil genap pada plat nomor kendaraan diambil dan dijadikan bahan penulisan untuk dianalisis menggunakan metode K-Nearest Neighbor (KNN). Tahapan dimu- lai dari menginput gambar berupa citra kendaraan dengan plat nomor yang terlihat jelas dan sejajar dengan kamera. Sudut kemiringan dan kecerahan cahaya perlu diperhatikan karena sangat berpengaruh dengan akurasi. Tahapan selanjutnya yaitu tahap pre-processing merubah ukuran resolusi citra, setelah itu citra diubah menjadi grayscale. Tahap segmentasi, dimana citra akan mengalami thresholding , dimana citra diubah menjadi warna hitam putih. Setelah itu citra yang sudah menjadi hitam putih akan dikenali karakternya dengan metode KNN. Karakter-karakter pada citra akan dicocokan dengan karakter alfanumerik pada data latih (A sampai Z dan 0 sampai 9). Tahapan terakhir adalah verifikasi apakah plat nomor tersebut ganjil atau genap dan disesuaikan dengan tanggal pada saat pengujian apakah plat nomor tersebut melanggar aturan ganjil genap atau tidak. Penggunaan metode KNN pada deteksi ganjil genap dipilih karena lebih cepat dalam pengidentifikasian karena tidak melakukan pen- gulangan dalam pencocokan. Tingkat akurasi berdasarkan dari 20 citra yang diuji adalah 80%